典型文献
基于改进气象聚类分型的短期风电功率概率预测方法
文献摘要：
精准的风电功率预测是对以新能源为主体的新型电力系统安全高效运行的重要支撑.针对现有预测方法未充分考虑不同气象条件下风电出力特性差异的问题,提出基于改进秃鹰搜索-最大期望算法的高斯混合模型(IBES-EM-GMM)聚类与气象分型的风电功率概率预测方法.首先,基于Levy飞行与自适应t分布变异策略改进秃鹰搜索算法,提出IBES-EM-GMM聚类模型,以增强其全局搜索能力.以此为基础,利用IBES-EM-GMM聚类模型对历史气象-功率数据集进行聚类划分,并采用混合深度神经网络与Cornish-Fisher级数分别训练不同气象模式的数据集以得到其概率预测结果.最后,选取中国冀北地区风电场实际数据进行算例仿真.结果表明,相较于无聚类和高斯混合模型聚类方法,所提IBES-EM-GMM聚类模型使聚类效果、风电功率点预测与概率预测精度均得到了显著提升.
文献关键词：
风电;概率预测;气象聚类分型;秃鹰搜索算法;高斯混合模型聚类;Cornish-Fisher级数展开
中图分类号：
作者姓名：
吴浩天;孙荣富;廖思阳;柯德平;徐箭;徐海翔
作者机构：
武汉大学电气与自动化学院,湖北省武汉市 430072;国网冀北电力有限公司,北京市 100032
文献出处：
引用格式：
[1]吴浩天;孙荣富;廖思阳;柯德平;徐箭;徐海翔-.基于改进气象聚类分型的短期风电功率概率预测方法)[J].电力系统自动化,2022(15):56-65
A类：
气象聚类分型,IBES,无聚类
B类：
进气,概率预测,风电功率预测,新型电力系统,电力系统安全,安全高效运行,同气,气象条件,下风,风电出力,出力特性,最大期望算法,EM,GMM,Levy,分布变异,变异策略,改进秃鹰搜索算法,聚类模型,全局搜索,搜索能力,深度神经网络,Cornish,Fisher,冀北地区,风电场,实际数据,高斯混合模型聚类,聚类方法,点预测,级数展开
AB值：
0.246317
机标中图分类号，由域田数据科技根据网络公开资料自动分析生成，仅供学习研究参考。
